Abstract
Musik merupakan salah satu seni atau hiburan beserta aktivitas manusia. Musik terdiri dari suara – suara yang teratur. Beberapa musik dikelompokan ke dalam suatu genre yang dinamakan genre musik. Setiap hari, seseorang setidaknya mendengarkan beberapa buah musik dan setiap orang mempunyai selera yang berbeda dalam memlihi genre musk. Dalam penelitian ini dilakukan kombinasi kedua metode yaitu Linear Discriminant Value dan Cosine Similarity yang digunakan untuk memprediksi genre suatu musik. Kedua metode tersebut akan memproses fitur – fitur yang dihasilkan dari musik tersebut. Fitur dalam penelitian ini dibedakan menjadi dua jenis yaitu fitur onevalue dan multivalue. Linear Discriminant Analysis memproses fitur onevalue dan Cosine Similarity memproses fitur multivalue. Hasil akhir kedua metode tersebut akan dikombinasikan dengan cara dirata – ratakan. Kelas data musik dalam penelitian ini terdiri dari kelas genre pop, rock, reggae, jazz, R & B, dan blues. Pada peneltian ini dilakukan pengujian dengan membuat skenario dan didalamnya tiap percobaan. Tiap skenario memiliki jumlah data latih dan data uji yang berbeda dan tiap percobaan memiliki data uji yang dipilih secara acak. Rata - rata akurasi tertinggi yang diperoleh dari keseluruhan percobaan yaitu sebesar 20,83 % dengan data latih sebesar 540 buah. Data latih tersebut merupakan data latih terbanyak urutan kedua dari tiap skenario. Rata - rata akurasi terendah dari keseluruhan percoban yaitu 17,50 % dengan data latih sebesar 420 buah. Dari hasil pengujian, dapat disimpulkan bahwa jumlah data latih belum mempengaruhi tingkat akurasi sepenuhnya. Perlu perbaikan ekstraksi fitur dan perbaikan metode yang digunakan dalam peneltian selanjutnya . Sebelumnya dalam penelitian telah dilakukan beberapa penelitian tambahan dalam berbagai metode untuk meningkatkan akurasi agar lebih dari 30 %. Tetapi akurasi tertinggi tiap percobaan yang didapat dari keseluruhan percobaan hanya sebesar 26,67 %. Oleh karena itu, perlu dilakukan penelitian serupa.
